Dynamická predikce metabolitů z genetické variace

Abstract

Hordeum vulgare, tak ako mnoho ďalších plodín, trpí redukovaním genetickej rôznorodosti spôsobeným klimatickými zmenami. Preto je potrebné zlepšiť účinnosť jeho kríženia. Oblasť záujmu sa v poslednej dobe obracia na výskum nepriamych selekčných metód založených na výpočetných predikčných modeloch. Táto práca sa zaoberá dynamickou metabolomickou predikciou založenou na genomických dátach, ktoré pozostávajú z 33,005 jednonukleotidových polymorfizmov. Metabolomické dáta zahŕňajú 128 metabolitov 25 rodín Halle exotického jačmeňa. Hlavným cieľom tejto práce je vytvoriť metabolomické predikcie dynamických dát pomocou rôznych metód, ktoré boli vybrané na základe rôznych publikácií. Vytvorené modely napomôžu predikcii fenotypu alebo odhaleniu dôležitých vlastností rastliny Hordeum vulgare.

Hordeum vulgare, like many other crops, suffers from the reduction of genetic diversity caused by climate changes. Therefore, it is necessary to improve the performance of its breeding. Nowadays, the area of interest in current research focuses on indirect selection methods based on computational prediction modeling. This thesis deals with dynamic metabolomic prediction based on genomic data consisting of 33,005 single nucleotide polymorphisms. Metabolomic data include 128 metabolites belonging to 25 Halle exotic barley families. The main goal of this thesis is to create dynamic metabolomic predictions using different approaches chosen from relevant publications. The created models can be helpful for the prediction of phenotype or for revealing important traits of Hordeum vulgare.